唐杰 徐靖宇 劉紅武

摘要：針對(duì)湖南省實(shí)際的防汛業(yè)務(wù)需求，利用自然流域法將湖南省的中小河流域劃分成湘、資、沅、澧以及洞庭湖五大流域，使用湖南省2008—2018年27個(gè)水文控制站的水位數(shù)據(jù)及同期湖南省97個(gè)國(guó)家氣象站點(diǎn)實(shí)況與格點(diǎn)融合降水產(chǎn)品，研究了湖南省中小河流域強(qiáng)降水與洪水之間的關(guān)系，建立了一個(gè)基于流域降水的水位預(yù)報(bào)模型。通過(guò)2019年7月6日至13日湖南省強(qiáng)降水與洪水實(shí)例對(duì)該預(yù)報(bào)模型進(jìn)行了應(yīng)用與檢驗(yàn)，檢驗(yàn)結(jié)果表明，在此次強(qiáng)降水與洪水過(guò)程中，湘、資、沅、澧四大水流域的水位預(yù)報(bào)峰值及變化趨勢(shì)與實(shí)際情況基本一致，表明該模型對(duì)水位預(yù)報(bào)效果較好，在業(yè)務(wù)應(yīng)用中具有一定指導(dǎo)意義。

關(guān)鍵詞：中小河流域; 洪水;預(yù)報(bào)模型; 湖南省

中圖分類(lèi)號(hào)：TV124 ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：0439-8114（2020）15-0145-06

Abstract： According to the actual flood prevention needs of Hunan province， the small and medium river basins of Hunan province were divided into five major basins （Xiangjiang River， Zishui River， Yuanjiang River， Lishui River and Dongting Lake） using the natural watershed method. Based on the water levels of 27 hydrological stations and the precipitation products of the 97 meteorological stations and grids from 2008 to 2018， the relationship between heavy precipitation and floods were further studied. Thus a water level forecasting model based on river basin precipitation was established to predict whether there would be floods. The forecasting model was tested using the example of heavy precipitation and flood process from July 6th to 13th of 2019. Results showed that during this flood process， the forecasting peak value and changing trend of the water level were consistent with the actual water level. Therefore， the model has good effects on water level forecasting.

Key words： small and medium rivers; floods; forecasting model; Hunan province

洪水災(zāi)害是中國(guó)最為嚴(yán)重的自然災(zāi)害，據(jù)統(tǒng)計(jì)，中國(guó)洪水災(zāi)害的直接經(jīng)濟(jì)損失平均每年約占整個(gè)自然災(zāi)害經(jīng)濟(jì)損失的50%，隨著中國(guó)經(jīng)濟(jì)的持續(xù)穩(wěn)定發(fā)展和全球氣候的持續(xù)異常，洪水災(zāi)害年均經(jīng)濟(jì)損失有逐年上升的趨勢(shì)[1-3]。萬(wàn)新宇等[4]通過(guò)研究中國(guó)近60年典型洪水災(zāi)害事件，指出在近60年防洪減災(zāi)的努力下，大江大河流域性洪水災(zāi)害得到基本控制，但在全球氣候變化的大背景下，極端暴雨頻發(fā)和人類(lèi)活動(dòng)影響加劇，高壩潰決風(fēng)險(xiǎn)加大，山洪災(zāi)害日益突出。夏群山[5]在長(zhǎng)江中下游洪水災(zāi)害社會(huì)易損性時(shí)空格局研究中指出，長(zhǎng)江中游的湖南等內(nèi)陸中部省份，尤其是湘南、湘西等地區(qū)，因氣候和地形復(fù)雜、生態(tài)環(huán)境脆弱、經(jīng)濟(jì)相對(duì)落后，表現(xiàn)出高度的洪水災(zāi)害易損性特征。

長(zhǎng)期以來(lái)，如何找到有效的洪水預(yù)測(cè)方法以減輕洪災(zāi)損失一直是水文、氣象學(xué)家研究的重點(diǎn)與難點(diǎn)，眾多水文氣象工作者認(rèn)為氣象預(yù)報(bào)同水文預(yù)報(bào)的結(jié)合為防洪和水庫(kù)調(diào)度等工作帶來(lái)了巨大優(yōu)越性[6]，其中水位作為流域洪水預(yù)報(bào)的關(guān)鍵參數(shù)，是各級(jí)政府組織防汛抗洪以及水庫(kù)調(diào)度等決策的重要依據(jù)。黃海洪等[7]采用人工神經(jīng)網(wǎng)絡(luò)與主分量分析相結(jié)合的方法，以流域上游面雨量、水位值為預(yù)報(bào)因子，建立了西江流域的梧州水位預(yù)報(bào)模型，雖然在預(yù)報(bào)試驗(yàn)中取得了較好效果，但由于神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)方法在實(shí)際預(yù)報(bào)建模中存在明顯的“過(guò)擬合”現(xiàn)象，所以該模型實(shí)際業(yè)務(wù)應(yīng)用效果的不確定性較大。童哲堂等[8]利用相應(yīng)水位法，建立了長(zhǎng)江荊江河段（枝城至城陵磯）站點(diǎn)的上下游相應(yīng)水位關(guān)系洪水水位預(yù)報(bào)模型，取得了較好的試驗(yàn)效果。此外，有其他學(xué)者通過(guò)研究水位與流域面雨量的對(duì)應(yīng)關(guān)系[9-11]，建立了中小河流域水位預(yù)報(bào)模型，并指出對(duì)開(kāi)展實(shí)際業(yè)務(wù)應(yīng)用有較好的指示意義，但由于缺乏徑流、滲透、蒸發(fā)等物理過(guò)程，有時(shí)預(yù)報(bào)誤差較大[12]。

為此，本研究使用湖南省近十年水位數(shù)據(jù)及同期降水?dāng)?shù)據(jù)，探索了過(guò)程性降水與洪水之間的關(guān)系，建立了基于流域降水的水位預(yù)報(bào)和面雨量預(yù)報(bào)模型用以預(yù)判是否有洪水發(fā)生，并通過(guò)一次實(shí)例對(duì)該模型進(jìn)行了應(yīng)用與檢驗(yàn)，以期為湖南省氣象部門(mén)開(kāi)展中小河流氣象風(fēng)險(xiǎn)預(yù)警提供客觀技術(shù)和產(chǎn)品支撐，提升中小河流域洪水預(yù)警服務(wù)水平。

1 資料與方法

1.1 數(shù)據(jù)

水文數(shù)據(jù)包括湖南省2008—2018年4—9月27個(gè)水文控制站的逐時(shí)水位、警戒水位、警戒流量、保證水位、保證流量、歷史最高水位等信息。實(shí)時(shí)水文站信息由與水文與水資源勘測(cè)中心建立的專線實(shí)時(shí)傳輸。

氣象實(shí)況數(shù)據(jù)包括下載自國(guó)家級(jí)氣象業(yè)務(wù)內(nèi)網(wǎng)的湖南及周邊地面國(guó)家站、區(qū)域自動(dòng)站站點(diǎn)降水資料、中國(guó)地面與CMORPH融合逐小時(shí)降水產(chǎn)品。氣象預(yù)報(bào)數(shù)據(jù)來(lái)自湖南省氣象臺(tái)提供的智能網(wǎng)格預(yù)報(bào)融合產(chǎn)品，該產(chǎn)品是基于集合預(yù)報(bào)的最優(yōu)成員動(dòng)態(tài)集成、PRISM插值算法的地形訂正等格點(diǎn)化降水預(yù)報(bào)技術(shù)，結(jié)合快速循環(huán)同化區(qū)域模式，形成空間分辨率0.05°、0～24 h逐1 h、2～72 h逐3 h、72～240 h逐6 h的定量降水格點(diǎn)預(yù)報(bào)產(chǎn)品。

1.2 湖南省流域劃分及水位控制站的流域分布

本研究結(jié)合湖南省實(shí)際的防汛業(yè)務(wù)需求，主要以自然流域法劃分的流域面為基礎(chǔ)，對(duì)湖南省流域面進(jìn)行重新劃分，形成湘、資、沅、澧以及洞庭湖五大流域（圖1a）。

對(duì)湖南省27個(gè)水文站建立實(shí)況水文數(shù)據(jù)庫(kù)，并按照水文站的名稱查找水文站所處的經(jīng)緯度，建立水文空間分布數(shù)據(jù)表，將水文站與流域河網(wǎng)對(duì)應(yīng)的位置進(jìn)行匹配，并標(biāo)記水文站所處的河網(wǎng)位置（圖1b）。根據(jù)匯流算法可推算河流流向，水流的流向決定了水文站的上下游關(guān)系，分別對(duì)湘、資、沅、澧以及洞庭湖五大流域進(jìn)行編號(hào)，對(duì)應(yīng)流域內(nèi)的水文站按順序編號(hào)。洞庭湖流域的水文站由于流向無(wú)法準(zhǔn)確確定，則按照從邊緣向中心匯流的原則確定洞庭湖流域的水文站關(guān)系。

1.3 流域面雨量計(jì)算方法

面雨量是指在某一特定流域內(nèi)的平均降水狀況，為單位面積上的降水量。氣象上的雨量數(shù)據(jù)為離散的站點(diǎn)或格點(diǎn)數(shù)據(jù)，因此通過(guò)離散的站點(diǎn)或格點(diǎn)資料來(lái)模擬指定區(qū)域的雨量空間分布是面雨量研究的目標(biāo)。目前流域面雨量的計(jì)算方法常用的有泰森多邊形法、等值線法和格點(diǎn)平均值法兩種，泰森多邊形法廣泛應(yīng)用于站點(diǎn)分布稀少且不均勻的流域，由于本研究流域的降水?dāng)?shù)據(jù)為區(qū)域自動(dòng)站數(shù)據(jù)及分布均勻的高分辨率格點(diǎn)數(shù)據(jù)，因此采用格點(diǎn)平均值法計(jì)算面雨量。首先根據(jù)降水格點(diǎn)資料的起止經(jīng)緯度、格距和經(jīng)向緯向格點(diǎn)數(shù)量等信息，建立降水格點(diǎn)數(shù)據(jù)每個(gè)格點(diǎn)對(duì)應(yīng)的空間經(jīng)緯度網(wǎng)格，通過(guò)GIS技術(shù)，將降水格點(diǎn)空間經(jīng)緯度網(wǎng)格與所提取的流域邊界經(jīng)緯度信息在空間上進(jìn)行疊加，建立降水網(wǎng)格點(diǎn)與流域邊界的映射關(guān)系，利用空間連接索引方法對(duì)流域內(nèi)所有網(wǎng)格點(diǎn)進(jìn)行標(biāo)記，最終建立降水格點(diǎn)與流域之間的索引。其次，利用上述相同方法，對(duì)降水格點(diǎn)數(shù)據(jù)的格點(diǎn)空間經(jīng)緯度網(wǎng)格與行政邊界（縣界）經(jīng)緯度信息在空間上進(jìn)行疊加，建立降水網(wǎng)格點(diǎn)與縣界的映射關(guān)系，利用空間連接索引方法對(duì)縣界內(nèi)所有網(wǎng)格點(diǎn)進(jìn)行標(biāo)記，建立降水格點(diǎn)與行政邊界（縣界）之間的索引。最終，通過(guò)指定流域的索引范圍，計(jì)算其中降雨量預(yù)報(bào)的平均值，形成實(shí)況面雨量產(chǎn)品及格點(diǎn)降水面雨量預(yù)報(bào)產(chǎn)品，其計(jì)算公式如下：

[A=1NiNPi] （1）

式中，A為面雨量，Pi為格點(diǎn)降雨預(yù)報(bào)值，N為流域索引范圍的降雨格點(diǎn)個(gè)數(shù)。根據(jù)面雨量設(shè)定的警戒閾值，生成超過(guò)警戒閾值的面雨量產(chǎn)品。

2 流域洪水預(yù)報(bào)模型

2.1 流域降水預(yù)報(bào)產(chǎn)品

流域洪水預(yù)報(bào)需要流域定量降水預(yù)報(bào)作為輸入因子，而目前流域定量降水預(yù)報(bào)主要依賴于數(shù)值天氣預(yù)報(bào)模式。本研究使用湖南省氣象臺(tái)提供的智能網(wǎng)格預(yù)報(bào)融合產(chǎn)品中的降水?dāng)?shù)據(jù)，該數(shù)據(jù)1 d發(fā)布兩個(gè)時(shí)次，時(shí)間間隔3 h，預(yù)報(bào)時(shí)效10 d，空間分辨率5 km。

基于融合降水格點(diǎn)資料與預(yù)報(bào)產(chǎn)品降水資料，應(yīng)用等值線法與格點(diǎn)平均值法計(jì)算面雨量，形成一日2次（08：00和、20：00）、時(shí)間分辨率為逐3 h、預(yù)報(bào)時(shí)效10 d的基于子流域邊界的面雨量預(yù)報(bào)產(chǎn)品（圖2）。

2.2 基于流域降水的水位預(yù)報(bào)模型

基于2008—2018年4—9月以水位控制站的水位和期間逐6 h累積面雨量作為建模數(shù)據(jù)集，通過(guò)相關(guān)分析篩選因子，以24 h水位增量為因變量，過(guò)去72 h內(nèi)逐6 h累積面雨量、逐6 h面雨量累積總量以及上游控制站過(guò)去24 h水位增量作為自變量，利用多元線性回歸方法進(jìn)行建模（圖3），業(yè)務(wù)化時(shí)將模式降雨預(yù)報(bào)和實(shí)況雨量以及上游水位站過(guò)去24 h水位增量代入模型，得到相應(yīng)水文站未來(lái)24 h的水位增量，結(jié)合實(shí)時(shí)水位，得到未來(lái)24 h的水位。下面以邵陽(yáng)站為例給出了水位預(yù)報(bào)模型公式：Y= ? 2 873 X6+55 659 X12+101 048 X18+181 369 X24-9 386 X30-74 249 X36 + 162 696 X42 + 13 109 X48 + 194 023 X54 + 104 547 X60+77 561 X66+27 830 X72+45 389 L6+80 320 L12-190 755 L18-64 863 L24+236 945 L30-77 548 L36-72 039L42+180 914 L48-89 475 L54-26 986 L60-77 561 L66。

式中，X6為站點(diǎn)0～6 h預(yù)報(bào)面雨量，X12為站點(diǎn)6～12 h預(yù)報(bào)面雨量，L6為站點(diǎn)6 h累積面雨量，L12為站點(diǎn)12 h累積面雨量，以此類(lèi)推。

3 預(yù)報(bào)模型檢驗(yàn)及業(yè)務(wù)化應(yīng)用

3.1 過(guò)程實(shí)況

2019年7月6—9日過(guò)程湖南省平均降水量為110.8 mm，強(qiáng)降雨主要落區(qū)集中在湘中及以南地區(qū)（圖4）。其中湘中及以南大部分累計(jì)雨量超過(guò)100 mm，部分地區(qū)200～300 mm，衡陽(yáng)、株洲及郴州北部局地超過(guò)400 mm。此次過(guò)程湖南省共計(jì)出現(xiàn)844鄉(xiāng)鎮(zhèn)次短時(shí)強(qiáng)降水，其中最大小時(shí)雨強(qiáng)72.7 mm。受強(qiáng)降雨影響，湘江、資水及洞庭湖流域水位漲幅較大，共9站次（老埠頭、冷水灘、祁陽(yáng)、衡東、歸陽(yáng)、新田、長(zhǎng)沙、新寧、沅江）發(fā)生了超警戒水位洪水。

此次強(qiáng)降雨過(guò)程可分為三個(gè)階段：第一階段，主要影響時(shí)段為6日20：00至7日20：00，以暖區(qū)暴雨為主;第二階段，主要影響時(shí)段為7日20：00至8日20：00，以低渦切變暴雨為主;第三階段，主要影響時(shí)段為8日20：00至9日20：00，以鋒面暴雨為主。其中，第二階段降水對(duì)資水流域影響最大。資水流域自動(dòng)站降雨量達(dá)到100 mm以上站次為93站，最大小時(shí)雨強(qiáng)61.9 mm，主要降雨集中時(shí)段在7日22：00至8日16：00。

從大尺度環(huán)流背景上（圖略），中高緯貝加爾湖以東地區(qū)為一阻塞高壓，阻塞形勢(shì)阻擋了西北部系統(tǒng)的東移南下;6日8：00，由于阻塞高壓發(fā)生傾斜，冷渦后部偏北氣流攜帶冷空氣補(bǔ)充南下，7日20：00，低空西南風(fēng)增強(qiáng)，將熱帶洋面上充沛的水汽往北輸送，湖南南部暴雨北抬。副高強(qiáng)度較歷年同期顯著偏弱，588線始終在海上，副高西北側(cè)的西南急流輸送偏南。受高空槽、中低層低渦切變、西南急流共同影響，在邊界層輻合線及鋒面觸發(fā)下形成此次湘中及以南地區(qū)的強(qiáng)降雨過(guò)程。

3.2 面雨量預(yù)報(bào)檢驗(yàn)

受強(qiáng)降雨影響，湘中以南累計(jì)面雨量達(dá)到50 mm以上（圖5），其中資水流域、湘江流域超過(guò)100 mm，湘江流域累計(jì)面雨量為142.2 mm、資水流域 ? ? 114.1 mm，湘、資水干支流漲幅較大，湘、資水干支流共55站次發(fā)生了超警戒水位洪水。流域面雨量實(shí)況相較于區(qū)域自動(dòng)站降雨量，大暴雨落區(qū)偏小，這與面雨量算法中對(duì)降雨總量的格點(diǎn)化有關(guān)，符合實(shí)際流域降雨量估計(jì)，因此可作為實(shí)況與面雨量預(yù)報(bào)對(duì)比分析。

從逐日面雨量實(shí)況與預(yù)報(bào)來(lái)看（圖6），6日面雨量主要集中在湘中以南地區(qū)，強(qiáng)度不大，流域面雨量預(yù)報(bào)落區(qū)與實(shí)況較為一致，強(qiáng)度偏強(qiáng)，落區(qū)范圍偏大;7日湖南省都出現(xiàn)了降水，面雨量大值區(qū)只出現(xiàn)在湘中偏南地區(qū)，其中湘江流域段出現(xiàn)50 mm以上，面雨量預(yù)報(bào)落區(qū)明顯偏北，強(qiáng)度顯著偏強(qiáng)，造成對(duì)湘資流域上游段降水估計(jì)不足;8日降雨仍集中在湘中以南地區(qū)，主要影響湘資沅水流域，資水、湘江流域出現(xiàn)100 mm以上面雨量，面雨量預(yù)報(bào)在資水段有較好表現(xiàn)，沅水流域空?qǐng)?bào)明顯，湘江流域預(yù)報(bào)與實(shí)況較為一致;9日降水進(jìn)一步減弱南壓，較強(qiáng)降水主要出現(xiàn)在湘江流域上游，面雨量預(yù)報(bào)落區(qū)與實(shí)況較為一致，強(qiáng)度偏強(qiáng)（圖略）。

此次強(qiáng)降雨過(guò)程，面雨量預(yù)報(bào)在大部分時(shí)段預(yù)報(bào)落區(qū)與實(shí)況較一致，有一定的指導(dǎo)意義。但是預(yù)報(bào)強(qiáng)度明顯偏強(qiáng)，在不同時(shí)段預(yù)報(bào)效果不一致，預(yù)報(bào)效果依賴于智能化網(wǎng)格預(yù)報(bào)產(chǎn)品，因此，需進(jìn)一步強(qiáng)化模式釋用技術(shù)，提升智能化網(wǎng)格預(yù)報(bào)客觀支撐水平，提高面雨量預(yù)報(bào)效果，以期達(dá)到更好的指導(dǎo)服務(wù)效果。

3.3 流域水位預(yù)報(bào)檢驗(yàn)分析

分析2019年7月6—13日強(qiáng)降雨過(guò)程中湖南四水流域水位變化與水位預(yù)報(bào)，結(jié)果顯示，澧水流域水位變化不大（以張家界站為例，圖7），6、7日水位略有上升，8—10日水位下降，其后略有起伏，水位預(yù)報(bào)變化趨勢(shì)與實(shí)況基本一致，偏差較小。

湘江流域受此次降雨過(guò)程影響較大（以冷水灘站、長(zhǎng)沙站為例，圖8），上游地區(qū)在8—10日水位有明顯漲幅，11日之后回落，下游地區(qū)在9日后水位明顯增長(zhǎng)，12日后逐步回落，上下游段水位預(yù)報(bào)變化趨勢(shì)與實(shí)況基本一致，增量變化均有一定偏差，上游冷水灘站偏差較大，平均達(dá)到1.23 m，下游長(zhǎng)沙站偏差較小，平均為0.67 m，前期水位增加與后期水位回落幅度較實(shí)況均偏小。

沅江流域受此次降雨過(guò)程影響較大（以常德站、桃源站為例，圖9），下游地區(qū)在10日后水位持續(xù)增長(zhǎng)，水位預(yù)報(bào)變化趨勢(shì)與實(shí)況基本一致，增量變化均有一定偏差，在水位增長(zhǎng)初期（10日）有明顯的負(fù)偏差，平均達(dá)到3.1 m，其他時(shí)段平均偏差為0.4 m。

資水流域受此次降雨過(guò)程影響較大（以邵陽(yáng)站為例，圖10），8—10日水位有明顯漲幅，11日之后迅速回落，峰值和回落的趨勢(shì)預(yù)報(bào)較為準(zhǔn)確，水位增長(zhǎng)初期預(yù)報(bào)較實(shí)況滯后24 h，調(diào)整后與實(shí)況基本一致，偏差也明顯減小，為0.76 m，對(duì)水位預(yù)報(bào)有較好的指導(dǎo)意義。

4 小結(jié)

基于自然流域法劃分的流域面為基礎(chǔ)，將湖南省中小河流域劃分成湘、資、沅、澧以及洞庭湖五大流域，較符合湖南省實(shí)際防汛工作需求。

基于流域降水的水位預(yù)報(bào)模型方法，以24 h水位增量為因變量，過(guò)去72 h內(nèi)逐6 h累積面雨量、逐6 h面雨量累積總量以及上游控制站過(guò)去24 h水位增量作為自變量，利用多元線性回歸方法建模。該方法在業(yè)務(wù)化應(yīng)用過(guò)程中，可以根據(jù)水文站實(shí)時(shí)水位預(yù)報(bào)其未來(lái)24 h的水位，用以預(yù)判是否有洪水。

通過(guò)2019年7月6—13日強(qiáng)降雨過(guò)程對(duì)該模型進(jìn)行應(yīng)用與檢驗(yàn)，結(jié)果表明面雨量預(yù)報(bào)在大部分時(shí)段預(yù)報(bào)落區(qū)與實(shí)況較一致，但是預(yù)報(bào)強(qiáng)度明顯偏強(qiáng)，預(yù)報(bào)效果依賴于智能化網(wǎng)格預(yù)報(bào)產(chǎn)品。湘、資、沅、澧四水流域水位預(yù)報(bào)峰值及變化趨勢(shì)與水位實(shí)況基本一致，在實(shí)況水位增加階段的主要時(shí)間段偏差較小，這說(shuō)明該模型對(duì)水位預(yù)報(bào)的效果較好，在業(yè)務(wù)應(yīng)用中具有一定的指導(dǎo)意義。

參考文獻(xiàn)：

[1] 張玉環(huán)， 李 周.大江大河水災(zāi)防治對(duì)策的研究[M].北京：中國(guó)水利水電出版社，2004.

[2] 中華人民共和國(guó)水利部.中國(guó)水旱災(zāi)害公報(bào)2011[R].北京：中國(guó)水利水電出版社，2012.

[3] 方 建， 杜 鵑， 徐 偉， 等.氣候變化對(duì)洪水災(zāi)害影響研究進(jìn)展[J].地球科學(xué)進(jìn)展，2014，29（9）：1085-1093.

[4] 萬(wàn)新宇，王光謙.近60年中國(guó)典型洪水災(zāi)害與防洪減災(zāi)對(duì)策[J].人民黃河，2011，33（8）：1-4.

[5] 夏群山.長(zhǎng)江中下游洪水災(zāi)害社會(huì)易損性時(shí)空格局研究[D].重慶：重慶師范大學(xué)，2015.

[6] 長(zhǎng)江水利委員會(huì).水文預(yù)報(bào)方法 [M].第二版.北京：水利電力出版社，1993.

[7] 黃海洪， 孫崇智， 金 龍.基于主分量的神經(jīng)網(wǎng)絡(luò)水位預(yù)報(bào)模型應(yīng)用研究[J].南京氣象學(xué)院學(xué)報(bào)，2005， 28（1）：58-63.

[8] 童哲堂， 劉火勝， 付克金， 等.荊江河段洪水水位預(yù)報(bào)方法研究[J].暴雨災(zāi)害，2007， 26（4）：348-351.

[9] 金 琪， 王繼竹， 高 琦，等.基于致洪暴雨預(yù)報(bào)的三峽水庫(kù)洪水預(yù)估系統(tǒng)及試驗(yàn)評(píng)估[J].災(zāi)害學(xué)，2012， 27（3）：54-58.

[10] 李向紅， 唐橋義， 伍 靜， 等.桂林中小河流洪澇氣象風(fēng)險(xiǎn)預(yù)警系統(tǒng)設(shè)計(jì)[J].災(zāi)害學(xué)，2014， 29（1）：42-46.

[11] 覃 武， 林開(kāi)平， 黃 穎， 等.基于遺傳-神經(jīng)網(wǎng)絡(luò)的電網(wǎng)流域面雨量預(yù)報(bào)方法研究[J].災(zāi)害學(xué)，2015， 30（3）：33-37.

[12] 陳樂(lè)湘， 鈕本良， 陸寶宏， 等.一種多因子相關(guān)計(jì)算方法[J].水文， 2002， 22（4）：22-24.